1、来预测对待推荐项目的偏好程度。相比较其他学习方法，最近邻方法具有相对易于实现可快速适应新变化等优点。相关性反馈方法。方法曾应用于世纪年代后期开创性的信息检索系统。这种方法的主要思想是首先将文本项目划分为两组，分别对应喜欢感兴趣相关和不喜欢，计算这些分类的初始向量。然后对于任文档，增加相关文档的加权向量，并减去不相关文档的加权向量，重复以上步骤逐步优化。此外，还可以将预测用户对个文本项目是否感兴趣这类问题当作是分类问题，就可以采用有监督的机器学习技术，包括基于朴素贝叶斯假设的概率模型多项式模型和多元伯努利模型等。这些有监督学习方法通过对大量的训练文本学习来构建有效的分类器，然后利用该分类器对文本进行分类来确定用户是否对个文本文档感兴趣。综上所述，基于内容的推荐是将用户偏好与项目特征向匹配。
2、似，就越可能添加其为好友。等人提出种基于图的算法。该算法根据用户之间线上真实交互数量形成推荐指标，形成交互网络从而产生好友推荐。总的来说，基于关系的好友推荐只需根据用户链接关系网络进行相似度的计算而产生推荐，能有效地向用户推荐与其有定社会关系的好友，算法简单且相对容易操作，用户对于所推荐好友的接受率和认可率也比较高。但是将其应用于新浪微博这类基于兴趣的社交网络中的推荐效果则不是很理想，只能根据用户的链接关系网络进行拓展，所推荐好友的数量和范围非常有限，不能有效地向用户推荐志同道合的新朋友。基于内容的好友推荐社交网络中基于内容的好友推荐是根据用户的文本内容进行好友推荐的方法。传统推荐系统中基于内容的推荐方法适用于内容为文本的情况，且不需要用到用户的评分等信息，适合用于社交网络平台。社交网络。
3、朋友建立联系，还希望通过社交网络这个平台添加关注些有着相同兴趣爱好的新朋友。然而目前对于这类兴趣相似的“潜在好友”的推荐研究较少，且没有网站提供潜在好友推荐的功能，这极大程度上抑制了社交网络的发展。为进步满足用户基于兴趣的交友需求，本文以微博为例，将研究重点放在“潜在好友”的推荐上。目前社交网络好友推荐的方法中，基于关系的好友推荐所推荐的好友数量和范围非常有限，而基于内容的好友推荐所推荐好友的接受率和认可率较低。因此本文提出种混合推荐模型，以期提高推荐效果。本文将主题模型引入到基于内容的推荐中，以解决传统向量空间模型存在的不足。在主题推荐模块中，采用种适用于社交网络的模型，将同位用户的所有微博文本聚集成个用户文档，并采用吉布斯抽样方法估计参数，将用户文档的在特征词上的向量转换成该用户在主。
4、管理科学与工程指导教师王晓耘教授完成日期年月万方数据杭州电子科技大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。申请学位论文与资料若有不实之处，本人承担切相关责任。论文作者签名日期年月日学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即研究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文学校可以。
5、的文本表示技术，分别表示词频，和反文档频率，。文本文档可以通过转换成多维空间中的向量，空间的维度对应文档中出现的特征词，每个维度的值由和这两个子向量的乘积得出。其主要思想是如果个词在篇文档中出现的频率值很高，而在其他文档中出现的频率较低，就可以认为这个词具有很好的分类能力，可以作为该篇文档的特征词。词频描述个词在篇文档中出现的频繁程度假设词越重要，出现得越多，考虑到文档长度，为了阻止更长的文档得到更高的相关度权值，必须进行文档长度的归化。设，是文档中词出现的绝对频率，表示文档中的其它词，则文档中词的归化词频值，可以通过下式计算，反文档频率是技术的另个衡量值，目标是降低那些几乎在所有文档中都会出现的词的权重。其思想是，那些常见的词对文档分类没有作用，应该给那些仅出现在该文档中的词赋予更。
6、基于内容的好友推荐是基于这样个思想如果两个用户发布的文本内容相似，那么他们的兴趣爱好很可能相似，也很可能愿意去关注对方。基于内容的好友推荐技术通常根据用户所发布的文本内容，将其表示为种可以体现用户偏好的量化形式，用以深层次挖掘用户的隐性兴趣，向其推荐有着相同兴趣爱好的用户。这种好友推荐方法可以有效应用于社交网络中潜在好友的推荐。等人采用传统基于内容的推荐算法中的向量空间模型用来表示用户所发布的微博文本，用技术提取权重较高的关键词，用词袋的形式表示每个用户的特征向量。然后采用余弦相似性方法计算两个用户特征向量之间的相似度，相似度越高说明两个用户发布的文本内容中有较多共同的关键词，最后向目标用户推荐相似度较高的用户。万方数据硕士学位论文题目基于主题和关系的社交网络潜在好友推荐研究研究生钱璐专。
7、个过程，般适用于内容为文本的情况，且不需要用到用户的评分等信息，适合用于社交网络平台。在社交网络中使用基于内容的好友推荐，只需将项目当作用户，并根据用户的文本内容提取特征词，作为用户偏好的特征表示，计算相似度即可进行好友推荐。社交网络好友推荐研究综述社交网络好友推荐是推荐系统在社交网络平台的应用，是随着世纪初社交网络兴起后而产生的个热点新课题，如何将推荐系统成功过应用到社交网络平台，直是研究的重点和难点。通过以上对推荐系统的研究综述可以得出协同过滤推荐并不适合应用于社交网络平台中，而基于内容的推荐则可以应用于社交网络中，根据用户的文本内容提取用户的兴趣偏好，从而进行兴趣相似好友的推荐。接下来本文并对近年来国内外社交网络中好友推荐的研究文献进行整理和总结，并进行综述。基于关系的好友推荐社交。
8、络中基于关系的好友推荐是根据用户的链接信息即链接关系网络进行好友推荐的方法。用户的链接信息可以体现用户真实的社会关系，基于关系的好友推荐技术可以基于这些用户链接信息向目标用户推荐现实生活中可能认识的人，是人人网这类基于社会关系的社交网络中最主要的好友推荐方法。而在新浪微博这类基于兴趣的社交网络中，用户的链接信息除了体现其社会关系，还可以在定程度上体现用户的兴趣偏好如果用户对另个用户感兴趣，想要获取其发布的内容，就可以主动关注该用户，因此基于关系的好友推荐技术还可以基于这些用户链接信息在定程度上向目标用户推荐其可能感兴趣的人。上提供的功能，基于理万方数据杭州电子科技大学硕士学位论文论向用户推荐朋友的朋友。该算法的核心思想是如果用户有许多好友同时也是用户的好友，那么用户很有可能会是用户的好友。
9、相关研究综述推荐系统研究综述协同过滤推荐基于内容的推荐社交网络好友推荐研究综述基于关系的好友推荐基于内容的好友推荐混合推荐名人推荐本章小结第三章主题模型主题模型的引入主题模型的发展标准模型模型示意图模型文档生成过程模型参数估计万方数据杭州电子科技大学硕士学位论文种应用于社交网络的扩展模型用户文档的构建与表示主题建模参数估计本章小结第四章基于目特征和用户偏好的匹配进行推荐。但严格来说，这些信息并不能算是真正意义上的“内容”。直以来，基于内容的推荐主要被用来过滤并推荐基于文本的项目，比如电子邮万方数据杭州电子科技大学硕士学位论文件或者新闻等，而项目表示就是采用不同的方法从文档内容本身或没有限制的文字描述中提取出与文档相关关键词的个过程。其中，最经典的文档表示方法为技术。是信息检索领域中最常用。
10、的权值。设为语料库中所有文档的数量，为出现过词的文档数量。则的反文档频率计算为则文档中词的权值可以用这两个子量的乘积来表示通过技术可以提取出文档中出现频率较高的关键词，作为描述该文档的特征向量的维度，并用每个关键词的值构建出文档的向量空间模型，。用户特征学习如果说协同过滤推荐描述成“推荐相似用户喜欢的项目”，那么基于内容的推荐可以描述成“推荐与用户过去喜欢的项目相似的项目”。想要预测用户对个文本项目感兴趣的程度，还需构建用户偏好模型，并采用个标准来衡量相似度。本节将介绍依赖向量空间模型的最为常见的两个技术。最近邻，。首先根据用户的历史信息过去喜欢的项目，采用余弦相似性度量与其万方数据杭州电子科技大学硕士学位论文的相似度，选取相似度最高的个待推荐项目。其次根据用户对这个文本项目的偏。
11、布论文的全部或部分内容，可以允许采用影印缩印或其它复制手段保存论文。保密论文在解密后遵守此规定论文作者签名日期年月日指导教师签名日期年月日万方数据杭州电子科技大学硕士学位论文基于主题和关系的社交网络潜在好友推荐研究研究生钱璐指导教师王晓耘教授年月万方数据，万方数据杭州电子科技大学硕士学位论文摘要社交网络，作为时代的典型应用，在世界各地迅速流行起来，现已成为人们日常生活中不可或缺的部分。在社交网络中，用户通过添加关注好友等方式建立和拓展属于自己的社交圈，从而进行互动交流以及信息分享。然而随着社交网络规模的扩大以及用户数量的急剧增长，寻找好友拓展自己的社交圈对普通用户来说变得越来越困难。为了解决社交网络信息过载问题，社交网络好友推荐系统应运而生。研究表明，社交网络中的用户不仅与现实生活中认识。
12、但是该方法需要通过已存在的好友来进行计算推荐，因此不适用于新加入社交网络的用户或好友较少的用户，存在着冷启动的问题。等人对理论进行改进，结合复杂网络理论认知理论而进行理论阐述，并给予帕累托最优化遗传算法对好友推荐的用户关系偏好进行优化。等人，提出了种基于系统的算法，与算法中只计算“好友列表”这数据源不同，算法从社交网络中扒取了七个数据源，根据这些信息和用户间交流频率来计算任意两个用户之间的相似度，并根据相似度的大小来进行好友的推荐。张中峰等人提出种基于关系的两阶段潜在好友推荐模型。在两阶段推荐模型中，第阶段根据用户的链接关系向量计算用户之间的相似度，第二阶段加入用户易受好友观点影响程度参数，将用户的相似度沿好友关系网络进行传播。该模型基于这样个思想用户共同关注的好友数量越多，兴趣偏好越相。
参考资料：
1、该PPT不包含附件（如视频、讲稿)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
护士年终总结PPT 编号18060